Ushbu tadqiqot yoqilg‘i elementi (FC), batareya (Bat) va superkondensatorni (SC) birgalikda qo‘llaydigan gibrid vodorodli elektr transport vositalari uchun energiya boshqaruvi, nosozlikni aniqlash va izolyatsiyalash hamda nosozlikka chidamli boshqaruvni yagona yopiq konturli arxitekturada birlashtiruvchi EMS–FDI–FTC tizimini taklif qiladi. Tizimning asosiy farqi faqat nosozlikni aniqlash bilan cheklanmasligidir. Nosozlik tasniflangach, natija energiya boshqaruv tizimiga uzatiladi va nosoz quvvat manbaining yuki kamaytirilib, talab etilgan tortish quvvati sog‘lom manbalarga qayta taqsimlanadi.

Tadqiqotda standartlashtirilgan sintetik haydash sikllari o‘rniga Tunisda haqiqiy yo‘lda GPS orqali qayd etilgan uch xil haydash marshruti ishlatilgan. Transport vositasi tezligi va yo‘l nishabligi kabi marshrut ma’lumotlari tortish quvvati talabini hisoblashda qo‘llanilgan; yoqilg‘i elementi, batareya va superkondensatorning elektr xatti-harakati esa real vaqt boshqaruviga mos soddalashtirilgan modellar bilan ifodalangan.

Nosozlik tashxisi qatlami uchta bir-birini to‘ldiruvchi mexanizmni birlashtiradi: EKF asosidagi qoldiq/innovatsiya monitoringi, CUSUM o‘zgarish aniqlashi va CNN–LSTM asosidagi sun’iy intellekt tasnifi. CNN qatlamlari qisqa muddatli mahalliy nosozlik naqshlarini ajratadi, LSTM qatlami esa ushbu signallarning vaqt bo‘yicha rivojlanishini baholaydi. Modelning turli marshrut sharoitlariga umumlashtirish qobiliyatini o‘lchash uchun leave-one-route-out (LORO) tasdiqlashi qo‘llangan; ya’ni model ikki marshrut bilan o‘qitilib, o‘qitish vaqtida ko‘rmagan uchinchi marshrutda sinovdan o‘tkazilgan.

Oyna darajasidagi LORO tasnif aniqligi Route 1 uchun %87,04, Route 2 uchun %74,78 va Route 3 uchun %68,52 deb xabar qilingan. Dinamikroq Route 2 yuqoriroq quvvat cho‘qqilari va ko‘proq energiya qayta taqsimlash talabini hosil qilgan, silliqroq Route 3 esa pastroq energiya tanqisligi va vodorod sarfini ko‘rsatgan. Bu natija yana bir muhim muhandislik xulosasiga ishora qiladi: harakatchanroq haydash profillari nosozlikni tashxis nuqtayi nazaridan ko‘rinarlilikni oshirishi mumkin, biroq energiya boshqaruv tizimini og‘irroq sharoitlarda ishlashga majbur qiladi.

O‘rnatilgan tizim tarafida EMS–FDI–FTC boshqaruvchisi STM32F407VG, ARM Cortex-M4 168 MHz protsessorida processor-in-the-loop (PIL) sifatida ishlatilgan. Boshqaruv sikli 10 Hz, ya’ni 100 ms namuna olish oralig‘ida bajarilgan; o‘rtacha hisoblash vaqti 1,6 ms, eng yomon holatdagi hisoblash vaqti esa 6,2 ms dan past o‘lchangan. Bu natija tadqiqotda qo‘llangan boshqaruv arxitekturasi mazkur o‘rnatilgan protsessorda 100 ms lik yuqori darajali boshqaruv siklini o‘z vaqtida yakunlay olishini ko‘rsatadi.

Turkiya nuqtayi nazaridan: Tadqiqot Turkiyaga tegishli haydash marshrutlarini yoki Turkiyada ishlab chiqilgan muayyan vodorodli transport vositasi platformasini o‘rganmaydi. Shunga qaramay, usul vodorod yoqilg‘i elementli transport vositalari, elektr quvvat uzatish tizimlari, batareya–superkondensator gibrid saqlash, transport vositasidagi nosozlik tashxisi va o‘rnatilgan avtomobil elektronikasi bilan shug‘ullanadigan tadqiqot va muhandislik guruhlari uchun qo‘llash mumkin bo‘lgan arxitektura namunasini beradi. Turkiyadagi transport vositasiga ko‘chirish uchun mahalliy haydash ma’lumotlari, haqiqiy FC–Bat–SC komponent xarakteristikalari, harorat ta’siri, qarish xatti-harakati, konvertor yo‘qotishlari va haqiqiy nosozlik ma’lumotlari qayta aniqlanishi kerak. Manbadagi energiya qiymatlari muayyan tijoriy transport vositasining tajribaviy sarf qiymatlari sifatida ishlatilmasligi kerak.

Nega marshrutdan xabardor nosozlik tashxisi kerak?

Gibrid vodorodli elektr transport vositasida quvvat bitta manbadan kelmaydi. Tadqiqotda ko‘rilgan arxitekturada proton almashinish membranali yoqilg‘i elementi asosiy energiya manbaini tashkil qiladi, batareya o‘rta muddatli quvvat o‘zgarishlarini, superkondensator esa tez o‘tkinchi quvvat talablarini va regenerativ tormozlash impulslarini qoplaydi.

Bu tuzilma muhim afzallik beradi; biroq ayni paytda energiya manbalari, DC/DC konvertorlar va sensorlar o‘rtasida murakkabroq boshqaruv muammosini ham yuzaga keltiradi. Yoqilg‘i elementi kuchlanishi pasayishi, batareya ichki qarshiligi ortishi yoki superkondensator sig‘imi kamayishi holatida nominal energiya taqsimlash strategiyasini o‘zgartirmasdan davom ettirish quvvat muvozanati, foydalanish imkoniyati va komponentlarning ish sharoitlarini buzishi mumkin.

Tadqiqotchilarning asosiy yondashuvi shu sababli quyidagi zanjirni qurishdir:

Haqiqiy marshrut → tortish quvvati talabi → sensor o‘lchovlari → qoldiq signallari → EKF/CUSUM → CNN–LSTM tasnifi → nosozlik qarori → EMS qayta konfiguratsiyasi → quvvatni sog‘lom manbalarga uzatish.

Bu tuzilmadagi muhim jihat shundaki, tashxis va boshqaruv alohida ikkita modul bo‘lib qolmaydi. Nosozlik qarori bevosita energiya boshqaruv tizimining ishlash rejimini o‘zgartiradi.

To‘rt qatlamli tizim arxitekturasi

Taklif etilgan tuzilma to‘rtta asosiy qatlamda ta’riflangan:

1. Sezish va ma’lumot yig‘ish: kuchlanishlar, toklar, batareya SOC qiymati, haroratlar, vodorod oqimi va tegishli o‘lchov kanallari kuzatiladi.
2. Marshrutdan xabardor talab prognozi: GPS dan olingan tezlik va yo‘l nishabligi ma’lumotlari yordamida tortish quvvati talabi hisoblanadi.
3. Nosozlikni aniqlash va izolyatsiyalash: model asosidagi qoldiqlar, CUSUM, EKF innovatsiya ko‘rsatkichlari va CNN–LSTM tasnifi birgalikda ishlatiladi.
4. Energiya boshqaruvi va nosozlikka chidamli boshqaruv: tashxis natijasiga ko‘ra FC, batareya va superkondensator o‘rtasidagi quvvat ulushi qayta tartibga solinadi.

Tortish quvvati marshrut ma’lumotlaridan qanday hisoblanadi?

GPS ma’lumotlaridan olingan tezlik \(v(t)\), tezlanish va yo‘l nishabligi yordamida transport vositasining tortish quvvati talabi hisoblanadi. Manbada ishlatilgan bo‘ylama transport vositasi modeli:

\[ P_{Load}(t)= \left[ m\dot{v} +mg\sin\theta +\frac{1}{2}\rho C_d A v^2 +mgC_r\cos\theta \right]v(t) \]

ko‘rinishidadir.

Bu tenglama tezlanish uchun zarur kuchni, nishabdan kelib chiqadigan gravitatsiya komponentini, aerodinamik qarshilikni va dumalash qarshiligini yagona tortish quvvati talabida birlashtiradi. Shu tariqa ayni energiya boshqaruv tizimi turli yo‘l profillarida turli yuk qo‘zg‘atishlariga duchor qilinishi mumkin.

Yoqilg‘i elementi modeli

Yoqilg‘i elementining terminal kuchlanishi boshqaruv maqsadidagi yig‘ma ekvivalent sxema bilan:

\[ V_{FC}=E_N-R_{FC}I_{FC} \]

va chiqish quvvati:

\[ P_{FC}=V_{FC}I_{FC} \]

ko‘rinishida modellashtirilgan.

Vodorod sarfi yoqilg‘i elementining elektr chiqishi, vodorodning quyi issiqlik qiymati va faraz qilingan yoqilg‘i elementi samaradorligi o‘rtasidagi munosabat orqali hisoblanadi:

\[ \Delta m_{H_2}= \frac{\max(P_{FC},0)\Delta t} {\eta_{FC}\cdot LHV_{H_2}} \]

Shu sababli maqoladagi vodorod sarfi haqiqiy tijoriy transport vositasining yoqilg‘i o‘lchagichidan olingan tajribaviy vodorod sarfi emas; modelga asoslangan ko‘rsatkichdir.

Batareya modeli

Batareya terminal kuchlanishi:

\[ V_{Bat}=E_0-R_{Bat}I_{Bat} \]

va batareya quvvati:

\[ P_{Bat}=V_{Bat}I_{Bat} \]

ko‘rinishida hisoblanadi.

Zaryad holati esa Coulomb hisoblash orqali yangilanadi:

\[ SOC_{Bat}(t+\Delta t) = SOC_{Bat}(t) - \frac{I_{Bat}\Delta t}{C_{Bat}} \]

Superkondensator modeli

Superkondensator kuchlanishi:

\[ V_{SC}(t)=V_{SC0}+\frac{1}{C_{SC}}\int I_{SC}(t)\,dt \]

munosabati bilan ifodalangan. Superkondensatorning asosiy vazifasi yoqilg‘i elementi va batareya zimmasiga yuklash istalmagan tez quvvat o‘zgarishlarini tamponlashdir.

DC zvenoda quvvat muvozanati

Uch energiya manbai umumiy DC-link orqali tortish tizimiga ulanadi. Tizim uchun asosiy quvvat uzluksizligi:

\[ P_{dem}=P_{FC}+P_{Bat}+P_{SC}-P_{loss} \]

ko‘rinishida ta’riflangan.

Tadqiqotda ishlatilgan yuqori quvvat chegaralari yoqilg‘i elementi uchun 35 kW, batareya uchun 30 kW va superkondensator uchun 15 kW. Nominal kuchlanishlar FC uchun 60 V, batareya va SC uchun 48 V deb berilgan. Batareya energiya sig‘imi 500 Wh, superkondensatorning ekvivalent sig‘imi esa 120 F.

Nosozlik qanday aniqlanadi?

Model asosidagi tashxisning birinchi bosqichida o‘lchangan signal bilan model prognoz qilgan signal o‘rtasidagi farq hisoblanadi:

\[ r_i(t)=y_i(t)-\hat{y}_i(t) \]

Normal ishda qoldiq signallari nolga yaqin qolishi kutiladi. Keskin yuk o‘zgarishlari qisqa muddatli og‘ishlar keltirib chiqarishi mumkin; haqiqiy nosozlik ssenariylarida esa tadqiqot konstruksiyasiga ko‘ra doimiy qoldiq o‘zgarishlari yuzaga keladi.

Nega CUSUM ishlatilgan?

CUSUM kichik, ammo uzluksiz o‘rtacha o‘zgarishlarning vaqt bo‘yicha yig‘ilishini kuzatadi. Manbada musbat va manfiy CUSUM statistikalar:

\[ g^+(k)=\max\{0,g^+(k-1)+r(k)-k_d\} \]

\[ g^-(k)=\max\{0,g^-(k-1)-r(k)-k_d\} \]

mantiqi bilan ishlatilgan. Tadqiqotda CUSUM drift parametri 0,3 va qaror chegarasi 3,5 deb berilgan.

EKF ning vazifasi nima?

Extended Kalman Filter (EKF) nominal elektr xatti-harakatini onlayn kuzatadigan yengil kuzatuvchi sifatida ishlatilgan. EKF holat vektori:

\[ x=[V_{FC},V_{Bat},SOC_{Bat},V_{SC}]^T \]

va o‘lchov vektori:

\[ y=[V_{FC},V_{Bat},V_{SC},V_{dc}]^T \]

ko‘rinishida ta’riflangan.

Yoqilg‘i elementining ekvivalent qarshiligi, batareya ichki qarshiligi yoki superkondensator sig‘imi har bir qadamda bevosita baholanmaydi. Ushbu parametrlardagi sun’iy o‘zgarishlarning qoldiq va EKF innovatsiya signallariga aks etishi tashxis uchun ishlatiladi.

CNN–LSTM sun’iy intellekt qatlami qanday ishlaydi?

Sun’iy intellekt tasniflagichining har bir vaqt qadamidagi oltita kirish kanali:

\[ x(t)= [r_{FC},r_{Bat},r_{SC},I_{FC},I_{Bat},P_{NS}]^T \]

ko‘rinishidadir.

Signallar 10 Hz da namuna olingan. Nominal oyna davomiyligi 2 soniya va oyna siljish qadami 0,5 soniya deb belgilangan bo‘lsa-da, tarmoq kirish sharti sababli kamida 32 namuna ishlatilgan; shu tariqa samarali oyna uzunligi taxminan 3,2 soniya bo‘lgan.

Har bir oyna kanal bo‘yicha z-ball bilan normallashtirilgan:

\[ X_w= \frac{X_w-\mu_w}{\sigma_w+\varepsilon} \]

CNN–LSTM tarmog‘i ikki bir o‘lchamli konvolyutsiya blokidan, undan keyin LSTM va SoftMax tasniflagichidan tashkil topgan. Konvolyutsiya bloklarida kernel o‘lchami 3, filtr sonlari mos ravishda 16 va 32. Ulardan keyin batch normalization, ReLU va stride 2 max pooling keladi. LSTM qatlamida 64 yashirin birlik, undan keyin 0,3 dropout ishlatilgan.

O‘qitishda Adam optimizatsiyasi, \(10^{-3}\) boshlang‘ich o‘rganish tezligi, 32 mini-batch va ko‘pi bilan 30 epoch ko‘rsatilgan. Yo‘qotish funksiyasi kategorik cross entropy.

Ma’lumot sizib chiqishini oldini olish uchun nega LORO ishlatilgan?

Yo‘l ma’lumotlarida ketma-ket vaqt oynalari bir-biriga juda o‘xshash bo‘lishi mumkin. Ayni marshrutdan olingan qo‘shni oynalarning ham o‘qitish, ham test guruhida bo‘lishi modelning haqiqiy umumlashtirish muvaffaqiyatini aslidan yuqori ko‘rsatishi mumkin.

Buning oldini olish uchun tadqiqot leave-one-route-out yondashuvidan foydalangan. Model ikki marshrut ma’lumotlari bilan o‘qitilib, qolgan marshrut butunlay ko‘rilmagan test marshruti sifatida saqlangan. Jarayon uch xil test marshruti uchun takrorlangan.

Bu usul tasodifiy oyna ajratishiga qaraganda qiyinroq baholashdir, chunki test vaqtida model yangi haydash dinamikasi va boshqa qoldiq taqsimoti bilan to‘qnashadi.

Nosozlik qarori bitta tasnifga qoldirilmagan

CNN–LSTM chiqishi ehtimollik vektorini hosil qiladi. Manbada nosozlik sinfini qabul qilish uchun maksimal ehtimollik kamida 0,80 bo‘lishi va ayni sinf ketma-ket uchta ustma-ust tushuvchi oynada saqlanishi sharti qo‘llangan.

0,5 soniyalik oyna siljish qadami sababli ushbu qaror mexanizmi taxminan 1,5 soniyalik uzluksizlikni talab qiladi. Maqsad qisqa muddatli yuk o‘zgarishlari yoki o‘lchov tebranishlarining bevosita doimiy nosozlik sifatida belgilanishining oldini olishdir.

Nosozlik aniqlanganda energiya boshqaruvi nima qiladi?

Nosozlik tasdiqlangach, tizim normal ish rejimidan buzilgan ish rejimiga o‘tadi. Nosoz energiya manbai ustidagi quvvat talabi kamaytiriladi va qolgan talab sog‘lom manbalarga uzatiladi:

\[ \begin{bmatrix} P^*_{FC}\\ P^*_{Bat}\\ P^*_{SC} \end{bmatrix} = \begin{bmatrix} \alpha_{FC}\\ \alpha_{Bat}\\ \alpha_{SC} \end{bmatrix} P_{dem} \]

Bu yerdagi \(\alpha\) koeffitsiyentlari tashxis qilingan nosozlik turi, og‘irligi va manbalarning mavjudligiga qarab o‘zgartiriladi.

Energiya boshqaruvining ko‘p maqsadli xarajat funksiyasida vodorod sarfi, batareya SOC o‘zgarishi, superkondensator quvvatidan foydalanish va nosozlik jazosi birgalikda hisobga olinadi:

\[ J= \int_0^T \left( w_1\dot{m}_{H_2} +w_2(\Delta SOC_{Bat})^2 +w_3(P_{SC})^2 +w_4F_{fault} \right)dt \]

Optimallashtirish batareya SOC chegarasi, DC-link kuchlanish chegarasi va FC, Bat hamda SC quvvat chegaralari ostida bajariladi.

Tadqiqot Usuli va Natijalari

Haqiqiy marshrut ma’lumotlari

Tadqiqotda Tunisdagi Faculty of Sciences of Tunis (FST) bilan National School of Engineers of Tunis (ENSIT) o‘rtasidagi haqiqiy haydashlardan olingan GPS asosidagi tezlik ma’lumotlari ishlatilgan.

GPS ma’lumotlari 10 Hz ga qayta namuna olingan, qisqa ma’lumot bo‘shliqlari chiziqli interpolatsiya bilan to‘ldirilgan va 0,5 soniyalik harakatlanuvchi o‘rtacha filtr qo‘llangan. Yo‘l nishabligi filtrlab olingan balandlik ma’lumotidan chekli ayirmalar bilan hisoblangan va GPS kvantlashidan kelib chiqadigan tebranishlarni kamaytirish uchun past chastotali filtrdan o‘tkazilgan.

Kiritilgan nosozliklar

Uchta asosiy nosozlik ssenariysi parametr o‘zgarishi shaklida tizimga kiritilgan. Har bir nosozlik alohida qo‘llangan va ishga tushgach haydash siklining oxirigacha doimiy saqlangan.

Bu yondashuv takrorlanuvchi nazoratli nosozlik sinovini ta’minlaydi; biroq u fizik komponentda yuz bergan haqiqiy qarish yoki dala nosozligi emas.

Marshrutlar bo‘yicha CNN–LSTM va energiya natijalari

Route 1 eng yuqori tasnif aniqligini bergan. Route 2 yuqoriroq tezlik o‘zgarishlari va tortish quvvati cho‘qqilari sababli eng qiyin energiya boshqaruvi ssenariysini yuzaga keltirgan; eng yuqori ENS, o‘rtacha PNS va vodorod sarfi shu marshrutda xabar qilingan. Route 3 esa silliqroq haydash profili sababli eng past ENS, o‘rtacha PNS va vodorod sarfini bergan; shu bilan birga LORO tasnif aniqligi eng past bo‘lgan marshrut ham Route 3.

Nega silliqroq marshrut pastroq AI aniqligini berishi mumkin?

Tadqiqotchilar Route 3 dagi pastroq aniqlikni faqat model muvaffaqiyatsizligi deb talqin qilmaydi. Silliqroq tezlik va quvvat talabi qoldiq signallaridagi normal variatsiyani kamaytirib, chegara asosidagi tashxisni yengillashtirsa-da, nosozliklarning turli ish nuqtalarida qanday ko‘rinishi haqidagi ma’lumot xilma-xilligini ham kamaytiradi. Boshqacha aytganda, tizimga kamroq dinamik qo‘zg‘atish berilishi CNN–LSTM o‘rganishi mumkin bo‘lgan nosozlik imzolari xilma-xilligini pasaytirishi mumkin.

Route 2 esa kuchliroq tezlanishlar va quvvat cho‘qqilari orqali nosozliklarning ko‘rinarliligini oshiradi; biroq ayni paytda sog‘lom energiya manbalarining nosoz manbani kompensatsiya qilishini qiyinlashtiradi. Tadqiqotning muhim muhandislik natijalaridan biri shu nosozlik kuzatuvchanligi–energiya boshqaruvi yuki o‘rtasidagi muvozanatdir.

Nosozlikka chidamli quvvatni qayta taqsimlash

Manba rasmlarida nosozlik tasdiqlangach tegishli energiya manbaining quvvat hissasi kamaytiriladi va Bat/SC yoki boshqa sog‘lom manbalarning hissasi oshiriladi. Ayniqsa FC degradatsiyasi vaqtida batareya va superkondensator ko‘proq quvvat berib, tortish talabini qondirishga urinadi.

Route 2 da yuqoriroq quvvat cho‘qqilari sababli qayta taqsimlash aniqroq va SOC o‘zgarishlari kattaroq. Route 3 da esa quvvat uzatish silliqroq va saqlash manbalarining SOC o‘zgarishlari cheklanganroq.

SIL va PIL tasdiqlashi

SIL muhitida yopiq konturli tizim MATLAB/Simulink 2022b da ishlatilgan. PIL bosqichida esa FDI, energiya boshqaruv mantig‘i va FTC qayta konfiguratsiyasini o‘z ichiga olgan yuqori darajali boshqaruvchi STM32F407VG protsessoriga ko‘chirilgan; fizik obyekt modeli esa asosiy kompyuterdagi simulyatsiya muhitida saqlangan.

100 ms lik mavjud boshqaruv davriga nisbatan eng yomon holat hisoblash vaqtining 6,2 ms dan past bo‘lishi ushbu apparatda yuqori darajali tashxis va energiya boshqaruvi algoritmi hisoblash vaqti bo‘yicha sezilarli zaxiraga ega ekanini ko‘rsatadi. Biroq bu natija butun transport vositasining real vaqt o‘rnatilgan boshqaruvi tasdiqlanganini anglatmaydi; PIL tajribasida fizik FC–Bat–SC obyektining o‘zi haqiqiy apparat emas.

Manba qo‘llab-quvvatlaydigan natijalar

• Haqiqiy GPS haydash profillaridan foydalanish energiya talabi va tashxis qoldiqlarini turli marshrut dinamikalarida sinash imkonini bergan.
• EKF/CUSUM bilan CNN–LSTM birgalikda ishlatilgan tuzilma model asosidagi va ma’lumot asosidagi tashxisni ayni boshqaruv zanjirida birlashtirgan.
• LORO tasdiqlashida oyna darajasidagi tasnif aniqligi marshrutga qarab %68,52 dan %87,04 gacha o‘zgargan.
• Nosozlik tashxisidan keyin FC, batareya va superkondensator quvvat referenslarini qayta taqsimlash mumkinligi SIL muhitida ko‘rsatilgan.
• STM32F407VG dagi PIL amalga oshirish 10 Hz yuqori darajali sikl uchun hisoblash vaqti bo‘yicha yetarli zaxira ko‘rsatgan.
• Marshrut dinamikasi ham tashxis aniqligiga, ham energiyani qayta taqsimlash yukiga ta’sir qilishi ko‘rsatilgan.

Tadqiqot isbotlamagan natijalar

• Tizim haqiqiy vodorodli elektr transport vositasida to‘liq avtomobil sinovidan o‘tkazilmagan.
• Yoqilg‘i elementi, batareya va superkondensatorning fizik nosozliklari haqiqiy komponentlarda hosil qilinib o‘lchanmagan; nosozliklar model parametrlariga kiritilgan.
• Elektrokimyoviy va termik xatti-harakat yuqori aniqlikdagi fizik modellar bilan ifodalanmagan.
• Uzoq muddatli batareya, yoqilg‘i elementi yoki superkondensator qarishi bevosita modellashtirilmagan.
• Xabar qilingan vodorod sarfini muayyan tijoriy transport vositasining dala sarfi sifatida talqin qilib bo‘lmaydi.
• Tadqiqot muqobil EMS/FTC arxitekturalariga qarshi tizimli yopiq konturli benchmark taqqoslashini taqdim etmaydi.
• Turkiyadagi trafik, yo‘l nishabligi, iqlim va transport vositasi parametrlarida ayni natijalar olinishi ko‘rsatilmagan.

Manba ichidagi sonli izchillik muammosi

Tadqiqotning o‘z energiya ta’rifida:

\[ E_{dem}=E_{served}+E_{ENS} \]

va:

\[ \eta_{service}= \frac{E_{served}}{E_{dem}} \]

munosabatlari berilgan.

Bunga qarshi, annotatsiyada barcha marshrutlarda talab qilingan energiyaning %94 dan ko‘prog‘i qondirilgani aytiladi. Manbaning 4-jadvalidagi ES va ENS qiymatlari ushbu formulalarda bevosita ishlatilganda taxminiy xizmat ko‘rsatish ulushlari Route 1 uchun %74,81, Route 2 uchun %73,64 va Route 3 uchun %76,33 bo‘ladi. Demak, manbadagi annotatsiya bayonoti bilan 4-jadvalning aniq sonli qiymatlari ayni talqin ostida bir-biriga mos ko‘rinmaydi.

Xuddi shuningdek, 5-jadval izohida SIL va PIL energiyaga asoslangan ko‘rsatkichlari o‘rtasidagi nisbiy farqlar %5 dan past ekani aytiladi. Ammo ayni jadvalda Energy Not Served qiymatlari Route 1 uchun SIL = 0,02410 va PIL = 0,00505; Route 2 uchun SIL = 0,07208 va PIL = 0,01878; Route 3 uchun SIL = 0,02283 va PIL = 0,00362 deb berilgan. Ushbu ENS juftlari %5 dan ancha ko‘p farq qiladi.

Bundan tashqari, 5-jadvalda “Average Speed” ostida 30,338%, 50,699% va 27,489% shaklida foiz belgili qiymatlar ko‘rinadi; tadqiqotning oldingi marshrut jadvalida o‘rtacha tezlik km/h sifatida ta’riflangan. Shu sababli bu yerda ham jadval yorlig‘i yoki formatlashga bog‘liq nomuvofiqlik ehtimoli mavjud.

Ushbu Verianla izohida mazkur qiymatlar qayta talqin qilinib yoki taxmin bilan tuzatilmagan; manba ichidagi nomuvofiqlik ochiq tarzda saqlangan.

Manba va Usul Haqida Izoh

To‘liq asl sarlavha: Route-Aware AI-Assisted Fault Diagnosis and Fault-Tolerant Energy Management for Hybrid Hydrogen Electric Vehicles: SIL and PIL Validation

Mualliflar tartibi: Sihem Nasri; Aymen Mnassri; Nouha Mansouri; Abderezak Lashab; Juan C. Vasquez; Adnane Cherif.

Mas’ul muallif: Juan C. Vasquez.

Muassasalar: Analyze and Process Electrical and Energy Signals (ATSSEE) Research Laboratory, University of Tunis Manar, Tunisia; Higher School of Engineering Technologies, ESPRIT, Tunisia; Center for Research on Microgrids (CROM), Department of Energy Technology, Aalborg University, Denmark.

Jurnal: Actuators.

Nashriyot: MDPI.

Nashr: 2026, Jild 15, Maqola 126.

Yuborilgan sana: 15 December 2025.

Qayta ko‘rib chiqilgan sana: 29 January 2026.

Qabul qilingan sana: 4 February 2026.

Nashr sanasi: 16 February 2026.

Manba turi: Taqrizli tadqiqot maqolasi.

DOI: 10.3390/act15020126.

Rasmiy havola:https://doi.org/10.3390/act15020126

Litsenziya: Creative Commons Attribution (CC BY).

Moliyalashtirish: Mualliflar tadqiqot tashqi moliyalashtirish olmaganini va maqola ishlov berish to‘lovi ham tashqi tashkilot tomonidan qoplanmaganini bildirgan.

Patent: Mualliflar ushbu tadqiqot natijasida patent yuzaga kelmaganini bildirgan.

Ma’lumotlar mavjudligi: Tadqiqotda ishlatilgan haydash profillari GPS asosidagi tezlik va balandlik ma’lumotlaridan olingan. Xom marshrut ma’lumotlari joylashuvga bog‘liq ma’lumotlarni o‘z ichiga olgani sababli maxfiylik va mahalliy ma’lumot almashish cheklovlari tufayli ommaga ochiq e’lon qilinmagan. Simulyatsiya modellari, qayta ishlangan ma’lumot to‘plamlari va o‘qitilgan AI modellarini asosli so‘rov bilan mas’ul muallifdan olish mumkinligi aytilgan.

Manfaatlar to‘qnashuvi: Mualliflar manfaatlar to‘qnashuvi yo‘qligini bildirgan.

Ilmiy dalil chegarasi: Tadqiqotdagi haqiqiy dunyo elementi GPS asosidagi haydash profillaridir. FC–Bat–SC quvvat tizimi, nosozlik injeksiyalari va energiya ko‘rsatkichlari boshqaruvga mo‘ljallangan matematik modellar orqali ishlab chiqarilgan. PIL bosqichi boshqaruvchini STM32F407VG da ishlatish orqali hisoblash vaqtini va SIL bilan xatti-harakat izchilligini sinaydi; bu to‘liq fizik transport vositasi tasdiqlashi emas.

Manba ichidagi ma’lumot izchilligi izohi: Annotatsiyadagi “talab qilingan energiyaning %94 dan ko‘prog‘i qondirilishi” bayonoti bilan 4-jadvaldagi ES/ENS qiymatlarini tadqiqotning o‘z xizmat samaradorligi tenglamasi orqali hisoblaganda chiqadigan natijalar o‘rtasida sonli nomuvofiqlik mavjud. 5-jadvaldagi SIL–PIL farqlari %5 dan past ekani haqidagi izoh ham ayni jadvalning ENS ustunidagi ochiq qiymatlarga mos ko‘rinmaydi. Ushbu nomuvofiqliklar manba tashqarisidan ma’lumot qo‘shib tuzatilmagan.

Usul xulosasi: Tadqiqot haqiqiy GPS marshrut ma’lumotlaridan tortish talabini ishlab chiqarish, boshqaruvga mo‘ljallangan FC–Bat–SC elektr modellashtirish, EKF qoldiq/innovatsiya tahlili, CUSUM o‘zgarish aniqlashi, CNN–LSTM vaqt qatori tasnifi, LORO marshrut asosidagi umumlashtirish testi, sintetik parametr asosidagi nosozlik injeksiyasi, tashxisga yo‘naltirilgan energiyani qayta taqsimlash va STM32F407VG da PIL tasdiqlashni yagona yopiq konturli ish zanjirida birlashtiradi.